La verdad no entendí nada de esta clase. Alguien conoce algun recurso para entender este tema?

Si ya has llegado hasta la parte de .svd() y has entendido lo suficiente (para ello debes complementar este curso con otros gratuitos estaría bien) entonces puedes extender la formula de svd a la de la pseudoinversa de la siguiente manera: . A = u @ Ds @ vh (nomenclatura numpy) Aplicas inversa a ambos lados A_inv = (u @ Ds @ vh)_inv Por propiedad de inversa de un producto A_inv = vh_inv @ Ds_inv @ u_inv Como u y vh son matrices ortogonales entonces A_inv = vh.T @ Ds_inv @ u.T Como Ds es una matriz diagonal no cuadrada entonces su pseudoinversa es muy facil de calcular, sus elementos diagonales son sus recíprocos (ejm: recíproco de 2 es 0.5) y su forma debe ser transpuesta (si A es 3x2 entonces Ds es 3x2 y Ds_inv es 2x3, A_inv es 2x3 también). . Entonces ahí esta la A_inv = vh.T @ Ds_inv @ u.T . Lo bueno de este algoritmo (.linalg.pinv hace el mismo procedimiento según su documentación) es que no ha calculado ningun .linalg.inv (son costosos) en vez de ello ha calculado reciprocos y transpuestas a partir del svd -que tampoco calcula .linalg.inv- . Este es una página donde se puede repasar.

Hola :)

Había un error y la clase estaba en desorden :( Te sugiero volver a revisar este módulo que ya quedó en el orden correcto y probablemente ahí encuentres clases anteriores que puedan ayudar a entender esta

Entendí qué es una pseudoinversa, pero no entiendo por qué se calcula asi, y unas cuantas clases anteriores a esta no he entendido el punto de ellas ni la explicacion que da el profesor.

¡Hola! :D

¿En qué se te hizo complicado este tema?